国内亚洲欧美精品九九九久久免费 ,久久男人天堂,国产黄色一区二区,忍不住的亲子伦中文字幕,免费观看日本污的视频,九九色色九九,色黄网站在线观看,操逼不卡

關注我們,設為星標,每天7:30不見不散,架構路上與您共享

回復架構師獲取資源

大家好，我是架構君，一個會寫代碼吟詩的架構師。

先貼上幾個案例，水平高超的同學可以挑戰(zhàn)一下：

1. 從員工集合中篩選出salary大于8000的員工，并放置到新的集合里。

2. 統(tǒng)計員工的最高薪資、平均薪資、薪資之和。

3. 將員工按薪資從高到低排序，同樣薪資者年齡小者在前。

4. 將員工按性別分類，將員工按性別和地區(qū)分類，將員工按薪資是否高于8000分為兩部分。

用傳統(tǒng)的迭代處理也不是很難，但代碼就顯得冗余了，跟Stream相比高下立判。Java 8 是一個非常成功的版本，這個版本新增的Stream，配合同版本出現(xiàn)的 Lambda ，給我們操作集合（Collection）提供了極大的便利。

更多 Java實戰(zhàn)教程可以關注微信公眾號「Java后端」，搜索 Java 關鍵字即可。

那么什么是Stream？

Stream將要處理的元素集合看作一種流，在流的過程中，借助Stream API對流中的元素進行操作，比如：篩選、排序、聚合等。

Stream可以由數(shù)組或集合創(chuàng)建，對流的操作分為兩種：

1. 中間操作，每次返回一個新的流，可以有多個。

2. 終端操作，每個流只能進行一次終端操作，終端操作結束后流無法再次使用。終端操作會產(chǎn)生一個新的集合或值。

另外，Stream有幾個特性：

1. stream不存儲數(shù)據(jù)，而是按照特定的規(guī)則對數(shù)據(jù)進行計算，一般會輸出結果。

2. stream不會改變數(shù)據(jù)源，通常情況下會產(chǎn)生一個新的集合或一個值。

3. stream具有延遲執(zhí)行特性，只有調(diào)用終端操作時，中間操作才會執(zhí)行。

Stream可以通過集合數(shù)組創(chuàng)建。

1、通過 java.util.Collection.stream() 方法用集合創(chuàng)建流

List list?= Arrays.asList("a", "b", "c");
// 創(chuàng)建一個順序流
Stream stream = list.stream();
// 創(chuàng)建一個并行流
Stream parallelStream = list.parallelStream();

2、使用java.util.Arrays.stream(T[] array)方法用數(shù)組創(chuàng)建流

int[] array={1,3,5,6,8};
IntStream stream = Arrays.stream(array);

3、使用Stream的靜態(tài)方法：of()、iterate()、generate()

Stream stream = Stream.of(1, 2, 3, 4, 5, 6);

Stream stream2 = Stream.iterate(0, (x) -> x + 3).limit(4);
stream2.forEach(System.out::println);

Stream stream3 = Stream.generate(Math::random).limit(3);
stream3.forEach(System.out::println);

輸出結果：

0 3 6 9
0.6796156909271994
0.1914314208854283
0.8116932592396652

stream和parallelStream的簡單區(qū)分： stream是順序流，由主線程按順序對流執(zhí)行操作，而parallelStream是并行流，內(nèi)部以多線程并行執(zhí)行的方式對流進行操作，但前提是流中的數(shù)據(jù)處理沒有順序要求。例如篩選集合中的奇數(shù)，兩者的處理不同之處：

如果流中的數(shù)據(jù)量足夠大，并行流可以加快處速度。除了直接創(chuàng)建并行流，還可以通過parallel()把順序流轉換成并行流：

Optional findFirst = list.stream().parallel().filter(x->x>6).findFirst();

在使用stream之前，先理解一個概念：Optional 。

Optional類是一個可以為null的容器對象。如果值存在則isPresent()方法會返回true，調(diào)用get()方法會返回該對象。
更詳細說明請見：菜鳥教程Java 8 Optional類

接下來，大批代碼向你襲來！我將用20個案例將Stream的使用整得明明白白，只要跟著敲一遍代碼，就能很好地掌握。

案例使用的員工類

這是后面案例中使用的員工類：

List personList = new?ArrayList();
personList.add(new?Person("Tom", 8900, "male", "New York"));
personList.add(new?Person("Jack", 7000, "male", "Washington"));
personList.add(new?Person("Lily", 7800, "female", "Washington"));
personList.add(new?Person("Anni", 8200, "female", "New York"));
personList.add(new?Person("Owen", 9500, "male", "New York"));
personList.add(new?Person("Alisa", 7900, "female", "New York"));

class?Person?{
??private?String name; // 姓名
??private?int?salary; // 薪資
??private?int?age; // 年齡
??private?String sex; //性別
??private?String area; // 地區(qū)

??// 構造方法
??public?Person(String name, int?salary, int?age,String sex,String area) {
????this.name = name;
????this.salary = salary;
????this.age = age;
????this.sex = sex;
????this.area = area;
??}
??// 省略了get和set，請自行添加

}

3.1 遍歷/匹配（foreach/find/match）

Stream也是支持類似集合的遍歷和匹配元素的，只是Stream中的元素是以Optional類型存在的。Stream的遍歷、匹配非常簡單。

// import已省略，請自行添加，后面代碼亦是

public?class?StreamTest?{
??public?static?void main(String[] args) {
????????List list?= Arrays.asList(7, 6, 9, 3, 8, 2, 1);

????????// 遍歷輸出符合條件的元素
????????list.stream().filter(x -> x > 6).forEach(System.out::println);
????????// 匹配第一個
????????Optional findFirst = list.stream().filter(x -> x > 6).findFirst();
????????// 匹配任意（適用于并行流）
????????Optional findAny = list.parallelStream().filter(x -> x > 6).findAny();
????????// 是否包含符合特定條件的元素
????????boolean anyMatch = list.stream().anyMatch(x -> x < 6);
????????System.out.println("匹配第一個值："?+ findFirst.get());
????????System.out.println("匹配任意一個值："?+ findAny.get());
????????System.out.println("是否存在大于6的值："?+ anyMatch);
????}
}

3.2 篩選（filter）

篩選，是按照一定的規(guī)則校驗流中的元素，將符合條件的元素提取到新的流中的操作。

案例一：篩選出Integer集合中大于7的元素，并打印出來

public?class?StreamTest?{
??public?static?void main(String[] args) {
????List list?= Arrays.asList(6, 7, 3, 8, 1, 2, 9);
????Stream stream = list.stream();
????stream.filter(x -> x > 7).forEach(System.out::println);
??}
}

預期結果：

8 9

案例二：篩選員工中工資高于8000的人，并形成新的集合。 形成新集合依賴collect（收集），后文有詳細介紹。

public?class?StreamTest?{
??public?static?void main(String[] args) {
????List personList = new?ArrayList();
????personList.add(new?Person("Tom", 8900, 23, "male", "New York"));
????personList.add(new?Person("Jack", 7000, 25, "male", "Washington"));
????personList.add(new?Person("Lily", 7800, 21, "female", "Washington"));
????personList.add(new?Person("Anni", 8200, 24, "female", "New York"));
????personList.add(new?Person("Owen", 9500, 25, "male", "New York"));
????personList.add(new?Person("Alisa", 7900, 26, "female", "New York"));

????List fiterList = personList.stream().filter(x -> x.getSalary() > 8000).map(Person::getName)
????????.collect(Collectors.toList());
????System.out.print("高于8000的員工姓名："?+ fiterList);
??}
}

運行結果：

高于8000的員工姓名：[Tom, Anni, Owen]

3.3 聚合（max/min/count)

max、min、count這些字眼你一定不陌生，沒錯，在mysql中我們常用它們進行數(shù)據(jù)統(tǒng)計。Java stream中也引入了這些概念和用法，極大地方便了我們對集合、數(shù)組的數(shù)據(jù)統(tǒng)計工作。

案例一：獲取String集合中最長的元素。

public?class?StreamTest?{
??public?static?void main(String[] args) {
????List list?= Arrays.asList("adnm", "admmt", "pot", "xbangd", "weoujgsd");

????Optional max = list.stream().max(Comparator.comparing(String::length));
????System.out.println("最長的字符串："?+ max.get());
??}
}

輸出結果：

最長的字符串：weoujgsd

案例二：獲取Integer集合中的最大值。

public?class?StreamTest?{
??public?static?void?main(String[] args)?{
????List list?= Arrays.asList(7, 6, 9, 4, 11, 6);

????// 自然排序
????Optional max = list.stream().max(Integer::compareTo);
????// 自定義排序
????Optional max2 = list.stream().max(new?Comparator() {
??????@Override
??????public?int?compare(Integer o1, Integer o2) {
????????return?o1.compareTo(o2);
??????}
????});
????System.out.println("自然排序的最大值："?+ max.get());
????System.out.println("自定義排序的最大值："?+ max2.get());
??}
}

輸出結果：

自然排序的最大值：11
自定義排序的最大值：11

案例三：獲取員工工資最高的人。

public?class?StreamTest?{
??public?static?void main(String[] args) {
????List personList = new?ArrayList();
????personList.add(new?Person("Tom", 8900, 23, "male", "New York"));
????personList.add(new?Person("Jack", 7000, 25, "male", "Washington"));
????personList.add(new?Person("Lily", 7800, 21, "female", "Washington"));
????personList.add(new?Person("Anni", 8200, 24, "female", "New York"));
????personList.add(new?Person("Owen", 9500, 25, "male", "New York"));
????personList.add(new?Person("Alisa", 7900, 26, "female", "New York"));

????Optional max = personList.stream().max(Comparator.comparingInt(Person::getSalary));
????System.out.println("員工工資最大值："?+ max.get().getSalary());
??}
}

輸出結果：

員工工資最大值：9500

案例四：計算Integer集合中大于6的元素的個數(shù)。

import?java.util.Arrays;
import?java.util.List;

public?class?StreamTest?{
??public?static?void?main(String[] args)?{
????List list?= Arrays.asList(7, 6, 4, 8, 2, 11, 9);

????long?count = list.stream().filter(x -> x > 6).count();
????System.out.println("list中大于6的元素個數(shù)："?+ count);
??}
}

輸出結果：

list中大于6的元素個數(shù)：4

3.4 映射(map/flatMap)

映射，可以將一個流的元素按照一定的映射規(guī)則映射到另一個流中。分為map和flatMap：

map：接收一個函數(shù)作為參數(shù)，該函數(shù)會被應用到每個元素上，并將其映射成一個新的元素。
flatMap：接收一個函數(shù)作為參數(shù)，將流中的每個值都換成另一個流，然后把所有流連接成一個流。

案例一：英文字符串數(shù)組的元素全部改為大寫。整數(shù)數(shù)組每個元素+3。

public?class?StreamTest?{
??public?static?void main(String[] args) {
????String[] strArr = { "abcd", "bcdd", "defde", "fTr"?};
????List strList = Arrays.stream(strArr).map(String::toUpperCase).collect(Collectors.toList());

????List intList = Arrays.asList(1, 3, 5, 7, 9, 11);
????List intListNew = intList.stream().map(x -> x + 3).collect(Collectors.toList());

????System.out.println("每個元素大寫："?+ strList);
????System.out.println("每個元素+3："?+ intListNew);
??}
}

輸出結果：

每個元素大寫：[ABCD, BCDD, DEFDE, FTR]
每個元素+3：[4, 6, 8, 10, 12, 14]

案例二：將員工的薪資全部增加1000。

public?class?StreamTest?{
??public?static?void?main(String[] args) {
????List personList = new?ArrayList();
????personList.add(new?Person("Tom", 8900, 23, "male", "New York"));
????personList.add(new?Person("Jack", 7000, 25, "male", "Washington"));
????personList.add(new?Person("Lily", 7800, 21, "female", "Washington"));
????personList.add(new?Person("Anni", 8200, 24, "female", "New York"));
????personList.add(new?Person("Owen", 9500, 25, "male", "New York"));
????personList.add(new?Person("Alisa", 7900, 26, "female", "New York"));

????// 不改變原來員工集合的方式
????List personListNew = personList.stream().map(person -> {
??????Person personNew = new?Person(person.getName(), 0, 0, null, null);
??????personNew.setSalary(person.getSalary() + 10000);
??????return?personNew;
????}).collect(Collectors.toList());
????System.out.println("一次改動前："?+ personList.get(0).getName() + "-->"?+ personList.get(0).getSalary());
????System.out.println("一次改動后："?+ personListNew.get(0).getName() + "-->"?+ personListNew.get(0).getSalary());

????// 改變原來員工集合的方式
????List personListNew2 = personList.stream().map(person -> {
??????person.setSalary(person.getSalary() + 10000);
??????return?person;
????}).collect(Collectors.toList());
????System.out.println("二次改動前："?+ personList.get(0).getName() + "-->"?+ personListNew.get(0).getSalary());
????System.out.println("二次改動后："?+ personListNew2.get(0).getName() + "-->"?+ personListNew.get(0).getSalary());
??}
}

輸出結果：

一次改動前：Tom–>8900
一次改動后：Tom–>18900
二次改動前：Tom–>18900
二次改動后：Tom–>18900

案例三：將兩個字符數(shù)組合并成一個新的字符數(shù)組。

public?class?StreamTest?{
??public?static?void main(String[] args) {
????List list?= Arrays.asList("m,k,l,a", "1,3,5,7");
????List listNew = list.stream().flatMap(s -> {
??????// 將每個元素轉換成一個stream
??????String[] split = s.split(",");
??????Stream s2 = Arrays.stream(split);
??????return?s2;
????}).collect(Collectors.toList());

????System.out.println("處理前的集合："?+ list);
????System.out.println("處理后的集合："?+ listNew);
??}
}

輸出結果：

處理前的集合：[m-k-l-a, 1-3-5]
處理后的集合：[m, k, l, a, 1, 3, 5]

3.5 歸約(reduce)

歸約，也稱縮減，顧名思義，是把一個流縮減成一個值，能實現(xiàn)對集合求和、求乘積和求最值操作。

案例一：求Integer集合的元素之和、乘積和最大值。

public?class?StreamTest?{
??public?static?void main(String[] args) {
????List list?= Arrays.asList(1, 3, 2, 8, 11, 4);
????// 求和方式1
????Optional sum = list.stream().reduce((x, y) -> x + y);
????// 求和方式2
????Optional sum2 = list.stream().reduce(Integer::sum);
????// 求和方式3
????Integer sum3 = list.stream().reduce(0, Integer::sum);
????
????// 求乘積
????Optional product = list.stream().reduce((x, y) -> x * y);

????// 求最大值方式1
????Optional max = list.stream().reduce((x, y) -> x > y ? x : y);
????// 求最大值寫法2
????Integer max2 = list.stream().reduce(1, Integer::max);

????System.out.println("list求和："?+ sum.get() + ","?+ sum2.get() + ","?+ sum3);
????System.out.println("list求積："?+ product.get());
????System.out.println("list求和："?+ max.get() + ","?+ max2);
??}
}

輸出結果：

list求和：29,29,29
list求積：2112
list求和：11,11

案例二：求所有員工的工資之和和最高工資。

public class?StreamTest?{
??public static void main(String[] args) {
????List personList = new?ArrayList();
????personList.add(new?Person("Tom", 8900, 23, "male", "New York"));
????personList.add(new?Person("Jack", 7000, 25, "male", "Washington"));
????personList.add(new?Person("Lily", 7800, 21, "female", "Washington"));
????personList.add(new?Person("Anni", 8200, 24, "female", "New York"));
????personList.add(new?Person("Owen", 9500, 25, "male", "New York"));
????personList.add(new?Person("Alisa", 7900, 26, "female", "New York"));

????//?求工資之和方式1：
????Optional sumSalary = personList.stream().map(Person::getSalary).reduce(Integer::sum);
????//?求工資之和方式2：
????Integer sumSalary2 = personList.stream().reduce(0, (sum, p)?->?sum += p.getSalary(),
????????(sum1, sum2)?->?sum1 + sum2);
????//?求工資之和方式3：
????Integer sumSalary3 = personList.stream().reduce(0, (sum, p)?->?sum += p.getSalary(), Integer::sum);

????//?求最高工資方式1：
????Integer maxSalary = personList.stream().reduce(0, (max, p)?->?max > p.getSalary() ? max : p.getSalary(),
????????Integer::max);
????//?求最高工資方式2：
????Integer maxSalary2 = personList.stream().reduce(0, (max, p)?->?max > p.getSalary() ? max : p.getSalary(),
????????(max1, max2)?->?max1 > max2 ? max1 : max2);

????System.out.println("工資之和："?+ sumSalary.get() + ","?+ sumSalary2 + ","?+ sumSalary3);
????System.out.println("最高工資："?+ maxSalary + ","?+ maxSalary2);
??}
}

輸出結果：

工資之和：49300,49300,49300
最高工資：9500,9500

3.6 收集(collect)

collect，收集，可以說是內(nèi)容最繁多、功能最豐富的部分了。從字面上去理解，就是把一個流收集起來，最終可以是收集成一個值也可以收集成一個新的集合。

collect主要依賴java.util.stream.Collectors類內(nèi)置的靜態(tài)方法。

3.6.1 歸集(toList/toSet/toMap)

因為流不存儲數(shù)據(jù)，那么在流中的數(shù)據(jù)完成處理后，需要將流中的數(shù)據(jù)重新歸集到新的集合里。toList、toSet和toMap比較常用，另外還有toCollection、toConcurrentMap等復雜一些的用法。

下面用一個案例演示toList、toSet和toMap：

public?class?StreamTest?{
??public?static?void?main(String[] args)?{
????List list?= Arrays.asList(1, 6, 3, 4, 6, 7, 9, 6, 20);
????List listNew = list.stream().filter(x -> x % 2?== 0).collect(Collectors.toList());
????Set set?= list.stream().filter(x -> x % 2?== 0).collect(Collectors.toSet());

????List personList = new?ArrayList();
????personList.add(new?Person("Tom", 8900, 23, "male", "New York"));
????personList.add(new?Person("Jack", 7000, 25, "male", "Washington"));
????personList.add(new?Person("Lily", 7800, 21, "female", "Washington"));
????personList.add(new?Person("Anni", 8200, 24, "female", "New York"));
????
????Map map?= personList.stream().filter(p -> p.getSalary() > 8000)
????????.collect(Collectors.toMap(Person::getName, p -> p));
????System.out.println("toList:"?+ listNew);
????System.out.println("toSet:"?+ set);
????System.out.println("toMap:"?+ map);
??}
}

運行結果：

toList：[6, 4, 6, 6, 20]
toSet：[4, 20, 6]
toMap：{Tom=mutest.Person@5fd0d5ae, Anni=mutest.Person@2d98a335}

3.6.2 統(tǒng)計(count/averaging)

Collectors提供了一系列用于數(shù)據(jù)統(tǒng)計的靜態(tài)方法：

計數(shù)：count
平均值：averagingInt、averagingLong、averagingDouble
最值：maxBy、minBy
求和：summingInt、summingLong、summingDouble
統(tǒng)計以上所有：summarizingInt、summarizingLong、summarizingDouble

案例：統(tǒng)計員工人數(shù)、平均工資、工資總額、最高工資。

public?class?StreamTest?{
??public?static?void main(String[] args) {
????List personList = new?ArrayList();
????personList.add(new?Person("Tom", 8900, 23, "male", "New York"));
????personList.add(new?Person("Jack", 7000, 25, "male", "Washington"));
????personList.add(new?Person("Lily", 7800, 21, "female", "Washington"));

????// 求總數(shù)
????Long count = personList.stream().collect(Collectors.counting());
????// 求平均工資
????Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary));
????// 求最高工資
????Optional max = personList.stream().map(Person::getSalary).collect(Collectors.maxBy(Integer::compare));
????// 求工資之和
????Integer sum = personList.stream().collect(Collectors.summingInt(Person::getSalary));
????// 一次性統(tǒng)計所有信息
????DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary));

????System.out.println("員工總數(shù)："?+ count);
????System.out.println("員工平均工資："?+ average);
????System.out.println("員工工資總和："?+ sum);
????System.out.println("員工工資所有統(tǒng)計："?+ collect);
??}
}

運行結果：

員工總數(shù)：3
員工平均工資：7900.0
員工工資總和：23700
員工工資所有統(tǒng)計：DoubleSummaryStatistics{count=3, sum=23700.000000,min=7000.000000, average=7900.000000, max=8900.000000}

3.6.3 分組(partitioningBy/groupingBy)

分區(qū)：將stream按條件分為兩個Map，比如員工按薪資是否高于8000分為兩部分。
分組：將集合分為多個Map，比如員工按性別分組。有單級分組和多級分組。

案例：將員工按薪資是否高于8000分為兩部分；將員工按性別和地區(qū)分組

public class?StreamTest?{
??public static?void?main(String[] args) {
????List personList = new?ArrayList();
????personList.add(new?Person("Tom", 8900, "male", "New York"));
????personList.add(new?Person("Jack", 7000, "male", "Washington"));
????personList.add(new?Person("Lily", 7800, "female", "Washington"));
????personList.add(new?Person("Anni", 8200, "female", "New York"));
????personList.add(new?Person("Owen", 9500, "male", "New York"));
????personList.add(new?Person("Alisa", 7900, "female", "New York"));

????// 將員工按薪資是否高于8000分組
????????Map<Boolean, List> part = personList.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));
????????// 將員工按性別分組
????????Map<String, List> group = personList.stream().collect(Collectors.groupingBy(Person::getSex));
????????// 將員工先按性別分組，再按地區(qū)分組
????????Map<String, Map<String, List>> group2 = personList.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea)));
????????System.out.println("員工按薪資是否大于8000分組情況："?+ part);
????????System.out.println("員工按性別分組情況："?+ group);
????????System.out.println("員工按性別、地區(qū)："?+ group2);
??}
}

輸出結果：

員工按薪資是否大于8000分組情況：{false=[mutest.Person@2d98a335, mutest.Person@16b98e56, mutest.Person@7ef20235], true=[mutest.Person@27d6c5e0, mutest.Person@4f3f5b24, mutest.Person@15aeb7ab]}
員工按性別分組情況：{female=[mutest.Person@16b98e56, mutest.Person@4f3f5b24, mutest.Person@7ef20235], male=[mutest.Person@27d6c5e0, mutest.Person@2d98a335, mutest.Person@15aeb7ab]}
員工按性別、地區(qū)：{female={New York=[mutest.Person@4f3f5b24, mutest.Person@7ef20235], Washington=[mutest.Person@16b98e56]}, male={New York=[mutest.Person@27d6c5e0, mutest.Person@15aeb7ab], Washington=[mutest.Person@2d98a335]}}

3.6.4 接合(joining)

joining可以將stream中的元素用特定的連接符（沒有的話，則直接連接）連接成一個字符串。

public?class?StreamTest?{
??public?static?void?main(String[] args) {
????List personList = new?ArrayList();
????personList.add(new?Person("Tom", 8900, 23, "male", "New York"));
????personList.add(new?Person("Jack", 7000, 25, "male", "Washington"));
????personList.add(new?Person("Lily", 7800, 21, "female", "Washington"));

????String names = personList.stream().map(p -> p.getName()).collect(Collectors.joining(","));
????System.out.println("所有員工的姓名："?+ names);
????List list = Arrays.asList("A", "B", "C");
????String string?= list.stream().collect(Collectors.joining("-"));
????System.out.println("拼接后的字符串："?+ string);
??}
}

運行結果：

所有員工的姓名：Tom,Jack,Lily
拼接后的字符串：A-B-C

3.6.5 歸約(reducing)

Collectors類提供的reducing方法，相比于stream本身的reduce方法，增加了對自定義歸約的支持。

public?class?StreamTest?{
??public?static?void main(String[] args) {
????List personList = new?ArrayList();
????personList.add(new?Person("Tom", 8900, 23, "male", "New York"));
????personList.add(new?Person("Jack", 7000, 25, "male", "Washington"));
????personList.add(new?Person("Lily", 7800, 21, "female", "Washington"));

????// 每個員工減去起征點后的薪資之和（這個例子并不嚴謹，但一時沒想到好的例子）
????Integer sum = personList.stream().collect(Collectors.reducing(0, Person::getSalary, (i, j) -> (i + j - 5000)));
????System.out.println("員工扣稅薪資總和："?+ sum);

????// stream的reduce
????Optional sum2 = personList.stream().map(Person::getSalary).reduce(Integer::sum);
????System.out.println("員工薪資總和："?+ sum2.get());
??}
}

運行結果：

員工扣稅薪資總和：8700
員工薪資總和：23700

3.7 排序(sorted)

sorted，中間操作。有兩種排序：

sorted()：自然排序，流中元素需實現(xiàn)Comparable接口
sorted(Comparator com)：Comparator排序器自定義排序

案例：將員工按工資由高到低（工資一樣則按年齡由大到小）排序

public?class?StreamTest?{
??public?static?void main(String[] args) {
????List personList = new?ArrayList();

????personList.add(new?Person("Sherry", 9000, 24, "female", "New York"));
????personList.add(new?Person("Tom", 8900, 22, "male", "Washington"));
????personList.add(new?Person("Jack", 9000, 25, "male", "Washington"));
????personList.add(new?Person("Lily", 8800, 26, "male", "New York"));
????personList.add(new?Person("Alisa", 9000, 26, "female", "New York"));

????// 按工資升序排序（自然排序）
????List newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName)
????????.collect(Collectors.toList());
????// 按工資倒序排序
????List newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed())
????????.map(Person::getName).collect(Collectors.toList());
????// 先按工資再按年齡升序排序
????List newList3 = personList.stream()
????????.sorted(Comparator.comparing(Person::getSalary).thenComparing(Person::getAge)).map(Person::getName)
????????.collect(Collectors.toList());
????// 先按工資再按年齡自定義排序（降序）
????List newList4 = personList.stream().sorted((p1, p2) -> {
??????if?(p1.getSalary() == p2.getSalary()) {
????????return?p2.getAge() - p1.getAge();
??????} else?{
????????return?p2.getSalary() - p1.getSalary();
??????}
????}).map(Person::getName).collect(Collectors.toList());

????System.out.println("按工資升序排序："?+ newList);
????System.out.println("按工資降序排序："?+ newList2);
????System.out.println("先按工資再按年齡升序排序："?+ newList3);
????System.out.println("先按工資再按年齡自定義降序排序："?+ newList4);
??}
}

運行結果：

按工資升序排序：[Lily, Tom, Sherry, Jack, Alisa]
按工資降序排序：[Sherry, Jack, Alisa, Tom, Lily]
先按工資再按年齡升序排序：[Lily, Tom, Sherry, Jack, Alisa]
先按工資再按年齡自定義降序排序：[Alisa, Jack, Sherry, Tom, Lily]

3.8 提取/組合

流也可以進行合并、去重、限制、跳過等操作。

public?class?StreamTest {
??public?static?void?main(String[] args) {
????String[] arr1 = { "a", "b", "c", "d"?};
????String[] arr2 = { "d", "e", "f", "g"?};

????Stream<String> stream1 = Stream.of(arr1);
????Stream<String> stream2 = Stream.of(arr2);
????// concat:合并兩個流 distinct：去重
????List<String> newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList());
????// limit：限制從流中獲得前n個數(shù)據(jù)
????List collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());
????// skip：跳過前n個數(shù)據(jù)
????List collect2 = Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList());

????System.out.println("流合并："?+ newList);
????System.out.println("limit："?+ collect);
????System.out.println("skip："?+ collect2);
??}
}